无人机遥感在我国森林资源监测中的应用动态

文章分析了无人机遥感技术在森林资源监测中的应用特点,总结了获取无人机遥感影像的技术流程.从利用无人机遥感影像获取林木几何参数、提取森林生物量信息、监测森林病虫害和森林消防4个方面阐述了无人机遥感技术在我国森林资源监测中的应用动态.在讨论无人机遥感技术在林业应用中具备成本低、效率高等优势的基础上,对无人机遥感技术在我国森林资源监测中的应用前景作了展望.     

基于无人机可见光影像的亚高山针叶林树冠参数信息自动提取

树冠是树木获取光能并进行能量转换的主要场所,在监测树木长势,估算树木生物量等方面具有重要作用。及时准确获取树冠参数信息有助于研究树木生长状况和森林变化动态,有效改善森林经营管理。无人机遥感具有快速机动、云下飞行、影像分辨率高、成本低等优势,非常适合于亚高山针叶林树冠遥感影像的获取。论文以贡嘎山雅家埂局部范围亚高山针叶林为研究对象,采用固定翼无人机获取可见光遥感影像,基于面向对象方法自动提取了亚高山针叶林的东西冠幅、南北冠幅、单元面积树木数和郁闭度等参数。以目视解译结果作为参考数据进行验证,东西冠幅和南北冠幅的提取精度分别是0.765 1和0.855 6,单元面积树木数和郁闭度的提取精度分别是0.99和0.92。研究结果表明,基于无人机遥感影像的树冠参数信息自动提取方法高效可靠,能够满足亚高山针叶林生长状况快速评价与动态遥感监测的需求。     

无人机遥感在森林资源调查中的应用价值研究

分析了在调查森林资源时应用无人机遥感的价值和意义。通过在无人机上搭载成像仪和GPS定位系统等方式对森林资源进行实时的监控,并按照相应的计算方式了解森林资源状态。经过实践应用后发现:通过无人机遥感技术可有效了解森林资源、生态环境、水文环境的情况,预测和监控森林火灾、树木病虫害的情况,还可以掌握森林中的生物信息。可见对于调查森林资源来说,无人机遥感技术具有非常明显的优势:能降低运作成本,检测精度高。同时针对存在的问题,也提出了相应的建议。     

基于多平台激光雷达数据集成的森林资源调查研究进展

随着森林资源调查的深入,基于单平台激光雷达数据的空间信息获取方式存在着精度低、数据完整性差等缺点,无法满足精准林业要求的森林信息提取的高精确性。文中系统总结了森林点云数据配准方法和多平台激光雷达数据配准融合在树木属性、立木材积等调查研究中的应用,以及多平台激光雷达数据协同作业在树木生长特性、森林地上生物量等方面的研究现状,对当前森林资源调查和多平台激光雷达数据集成技术存在的问题进行了讨论并提出未来研究展望。     

无人机遥感在林业中的应用

无人机遥感技术凭借其机动灵活高效率、数据获取成本低、精度高、天气影响小、续航能力强、影像实时传输等优势,在林业工作中应用广泛,主要应用于森林资源调查、森林防火和森林病虫害监测等。     

无人机在森林资源调查中的应用

森林资源是生态系统的重要组成部分,森林资源调查和监测是林业活动中保证生态可持续发展的重要工作之一,需要有即时、可靠的数据支撑。通过研究无人机技术在森林资源调查中应用的状况,并分析无人机遥感技术在森林调查工作中应用前景、局限性和发展措施,实现以期其对森林资源快速准确的调查和监测,科学准确地获取应用最新的森林资源信息的目的。     

无人机航摄技术在辽宁省森林资源调查中的应用分析

阐述了辽宁省利用无人机航摄技术在森林资源评估的外业调查工作中的应用情况,对其在森林面积踏查、森林地类变化、森林属性分析等方面的应用进行了分析,进而总结提出了目前无人机航摄技术在森林资源调查工作的应用方面的建议,并对未来该技术的应用前景进行了展望,无人机航摄技术在森林资源调查工作中应用潜力巨大,必将进一步推动森林资源调查更加高效、精准、广泛、及时的开展。     

高光谱遥感技术及其在森林监测中的应用探讨

高光谱遥感技术是指利用很窄的电磁波段从地物获取连续光谱信息的技术。高光谱影像具有超高光谱分辨率和多个波段同时对地物成像的特点,借助高光谱影像丰富的植被光谱信息,介绍其在森林火灾、森林病虫害和森林资源变化监测中的应用研究方法和现状,利用高光谱遥感图像进行森林监测的处理技术。     

航天遥感技术在森林资源调查中的应用研究

本文通过ＴＭ影像在甘肃省白龙江林区（总面积５６．８万ｈａ）森林资源调查中的应用实践，①分析了１：１０万、１：５１、１：２．５万比例尺ＴＭ影像图的技术性能及其在森林资源调查中的适用性。②ＴＭ影像图在森林资源二类调查中的应用情况。③使用ＴＭ影像图分层估测森林面积、蓄积的方法及精度分析。④森林资源调查中使用ＴＭ影像应注意时相选择、精度检验以及信息增强与压缩等技术问题。⑤建议ＴＭ影像图处理、成图等方面实现标准化、规范化。     

无人机技术在林业工作中的应用研究

综述了无人机及相关技术的发展及应用领域,重点研究了目前我国不同地区应用无人机技术在林业实际工作中的应用,包括在林业有害生物监测、森林资源调查、野生动物保护管理、森林防火和造林绿化等方面的运用。     

无人机监测林业有害生物初探

为提高林业有害生物监测工作效率,提升监测工作的科技含量,特引进无人机进行监测试点。通过无人机对病虫害危害的松林进行低空航拍,然后将航片结合POS数据信息,制作出4 300 hm2的数字正射影像图(DOM)。随后利用松树受害后树冠颜色改变的特征,对DOM进行目视解译,再对目标虫害导致的变色枯死木进行定位标注,统计出作业区域内变色树木数量。     

无人机喷雾作业定高对雾滴在竹林中沉降分布及防效的影响

为探究无人机低空喷雾不同作业高度对雾滴在竹林中沉降分布及防效的影响,揭示无人机喷雾施药关键技术,在福建省三明市沙县区建立试验区,运用无人机开展喷雾施药防治试验。结果表明：无人机喷雾作业定高对雾滴在竹林中的沉降分布影响较大,当无人机作业高度为6.5 m时,其雾滴在林冠的沉降率和覆盖密度的水平分布与垂直分布最佳,雾滴在林冠层的穿透性最强,有效喷幅最大,喷药后的防治效果最理想。无人机在竹林喷雾作业最佳定高为6.5 m。     

无人机监测松材线虫病的精度比较

利用无人机搭载可见光相机进行遥感拍摄,在430 m和700 m两个飞行高度下采集异常枯死松树遥感影像,将野外GPS采集的位置信息同ENVI遥感数据处理软件处理与解读数据信息进行比对。人工甄别和NDVI值提取枯死松树分别为6株与7株,数据有效率提取为85.71%;对无人机遥感获取的6株枯死松树地理位置信息进行实地验证,水平误差在0.86 m^4.20 m之间。表明无人机遥感基本实现了松材线虫病致死松树的精准定位,对于松材线虫病监测和后期除治具有重要意义。     

无人机低空遥感在复杂山地森林景区实景三维构建中的应用——以南岭国家森林公园为例

真实三维场景可真实地反映森林景区的地形地貌特征,为森林景区科学管理、生态监测、景观规划及虚拟可视化等提供数据支撑和技术依据。文章以南岭国家森林公园为例,分析了复杂高山地形特征和无人机特性,研究一种利用复合翼无人机对高山景区进行影像采集,建立实景三维模型、表面模型DSM和正射影像图DOM的方法,实现对南岭森林景区75 km~2真实三维场景构建,对场景精度和成果应用进行了分析。结果表明,利用复合翼无人机进行高山景区航拍,既解决了起飞降落问题,又提升了航拍时效性和可靠性;突破传统二维成果的局限性,提供三维模型、DSM和DOM等成果,提升景区可视化管理、森林调查及应用分析等能力。     

4种绿化造林面积验收方法的比较研究

为有效解决大规模绿化造林面积验收精度差、效率低,成果信息化、可视化程度低的问题,以张家口地区为例,对比分析4种常用绿化造林面积验收方法。结果表明,奥维互动地图软件勾绘验收和利用无人机技术验收是适用性较强的两种方法。当地势平缓,地标地物明显时,奥维互动地图软件勾绘验收方法灵活、准确、易操作;当地形复杂,造林地块多位于山区、沟壑地带时,无人机技术验收精度高、外业劳动强度低,成果信息化、可视化程度高。     

基于树高和树冠因子的立木材积与地上生物量相容模型研究

【目的】无人机机载激光雷达能够准确地测定单木、林分乃至大尺度森林结构参数(树高和树冠因子)。为应用无人机激光雷达技术准确估测森林蓄积量、生物量和碳储量提供计量依据和技术支撑。【方法】以150株实测马尾松生物量样本数据为研究对象,采用非线性回归估计方法和度量误差联立方程组方法,分析立木材积和地上生物量与树高、树冠因子的相关性,并在此基础上研究建立基于树高和树冠因子的立木材积与地上生物量相容模型。【结果】单株材积和地上生物量与树高因子的相关性最为紧密,其次才是树冠因子;基于树高和冠幅因子的二元材积和地上生物量模型预估精度较高,达到92%以上,再考虑冠长因子的三元模型预估精度改进不大;基于树高和冠幅因子的二元立木材积与地上生物量相容模型估计效果更好,相对于一元相容模型系统而言,二元相容模型拟合效果有较大幅度提高,预估精度达到92%以上。【结论】采用度量误差联立方程组方法可以有效解决基于树高和树冠因子的立木材积与地上生物量相容问题,并且预估精度达到92%以上,所建二元立木材积与地上生物量相容模型可为应用激光雷达技术反演森林蓄积量和生物量提供计量依据。     

Deciduous forest mapping using change detection of multi-temporal canopy height models from aerial images acquired at leaf-on and leaf-off conditions

Discrimination of deciduous trees using spectral information from aerial images has only been partly successfully due to the complexity of the reflectance at different view angles, times of acquisition, phenology of the trees and inter-tree radiance. Therefore, the objective was to evaluate the accuracy of estimating the proportion of deciduous stem volume (P) utilizing change detection between canopy height models (CHMs) generated by digital photogrammetry from leaf-on and leaf-off aerial images instead of using spectral information. The study was conducted at a hemi-boreal study area in Sweden. Using aerial images from three seasons, CHMs with a resolution of approximately 0.5?m were generated using semi-global matching. For training plots, metrics describing the change between leaf-on and leaf-off conditions were calculated and used to model the continuous variable P, using the Random Forest approach. Validated at sub-stands, the estimation accuracy of P in terms of root mean square error and bias was found to be 18% and ?6%, respectively. The overall classification accuracy, using four equally wide classes, was 83% with a kappa value of 0.68. The validation plots in classes of high proportion of coniferous or deciduous stem volume were well classified, whereas the mixed forest classes showed lower classification accuracies.     

基于FCM和分水岭算法的无人机影像中林分因子提取

【目的】研究高精度小型无人机获取林分调查因子方法,将林分调查因子在低空无人机影像上识别并提取出来,获取树高、冠径等测树因子,建立林分因子测量方法,实现经济、高效、快捷、精准的森林资源调查和监测,及时掌握森林资源及相关林分因子的时空变化特征。【方法】以东北林业大学城市林业示范基地樟子松人工林为研究对象,以多旋翼无人机影像为数据源,基于FCM聚类算法和分水岭分割算法以及形态学运算、阈值分割、图像平滑、灰度化、二值化等一系列数字图像处理技术,提取樟子松人工林林分因子。FCM聚类算法和阈值分割法用于提取树梢标记图像,分水岭分割算法对树梢标记图像进行迭代处理从而获得单木树冠分割图像,根据单木树冠分割结果提取单木特征进而计算各林分因子值。【结果】在林地提取中,根据影像的颜色特征绿度分割成功地将林地部分与非林地部分分离开来,确定单木树冠分割范围。在单木树冠分割中,阈值分割法和FCM聚类算法均可有效将树梢标记从林地图像中提取出来;将基于标记的分水岭分割算法用于单木树冠分割取得较好效果,大多数单木树冠被单独分割出来,但某些区域仍然存在一定的欠分割或过分割问题。在林分因子提取中,提取的林分因子包括林分郁闭度、林地面积、立木株数和平均冠幅,其中林分郁闭度的测量精度为96.67%,林地面积的测量精度为81.23%,立木株数和平均冠幅的测量精度与单木树冠分割中的树梢提取方法(阈值分割法和FCM聚类算法)及分水岭分割中的2个参数(形态学腐蚀的结构元素大小和中值滤波的窗口大小)有关。针对2种树梢提取方法,分别进行参数组合试验,结果显示2种树梢提取方法使用适当参数组合所得各林分因子测量精度均在80%以上,平均测量精度均在90%以上,其中阈值分割法的最高平均测量精度为94.49%,FCM聚类算法的最高平均测量精度为93.17%。【结论】利用无人机拍摄的人工林影像进行森林资源调查,将先进的计算机科学技术和无人机技术应用到林业领域中,可有效提高森林资源调查的效率和精度。本研究提出的林分因子提取方法适用于高郁闭度林分,测量精度满足实际需求。     

基于线性谱聚类的林地图像中枯死树监测

【目的】将基于线性谱聚类超像素的方法应用在森林病虫害防治领域,可智能监测无人机森林虫害图像中的枯死树,为森林有害生物的监测工作提供技术支撑。【方法】分别以湖北省受松材线虫与辽宁省受红脂大小蠹侵害的松林无人机图像为试验数据,首先使用线性谱聚类超像素分割算法将图像划分为多个超像素;然后基于枯死树木的颜色特征,初步提取可能为枯死树的超像素区域;最后基于枯死树木与其他干扰地物具有不同的纹理特征,计算超像素的区域密度和缝隙量,利用支持向量机对初步提取的超像素进行分类,从而检测出图像中的枯死树。【结果】基于线性谱聚类超像素和支持向量机的枯死树监测方法可有效排除与枯死树木颜色相近的其他干扰地物,较准确地提取出枯死树木。使用该方法与基于植被颜色指数的阈值分割方法、基于简单线性迭代聚类超像素和随机森林的方法,对35幅受灾松林无人机图像进行试验,并选用交并比、虚警率和漏检率3个评价指标对3种方法进行定量对比分析。结果表明,基于线性谱聚类超像素的方法监测出的枯死树区域最精确,其监测结果与人工检测结果的交并比均值大于58%,且虚警率和漏检率均优于另外2种方法。【结论】基于线性谱聚类超像素的枯死树监测方法能实现松林中枯死树的快速、准确检测及定位。     

Laser scanning of forest resources: the nordic experience

This article reviews the research and application of airborne laser scanning for forest inventory in Finland, Norway and Sweden. The first experiments with scanning lasers for forest inventory were conducted in 1991 using the FLASH system, a full-waveform experimental laser developed by the Swedish Defence Research Institute. In Finland at the same time, the HUTSCAT profiling radar provided experiences that inspired the following laser scanning research. Since 1995, data from commercially operated time-of-flight scanning lasers (e.g. TopEye, Optech ALTM and TopoSys) have been used. Especially in Norway, the main objective has been to develop methods that are directly suited for practical forest inventory at the stand level. Mean tree height, stand volume and basal area have been the most important forest mensurational parameters of interest. Laser data have been related to field training plot measurements using regression techniques, and these relationships have been used to predict corresponding properties in all forest stands in an area. Experiences from Finland, Norway and Sweden show that retrieval of stem volume and mean tree height on a stand level from laser scanner data performs as well as, or better than, photogrammetric methods, and better than other remote sensing methods. Laser scanning is, therefore, now beginning to be used operationally in large-area forest inventories. In Finland and Sweden, research has also been done into the identification of single trees and estimation of single-tree properties, such as tree position, tree height, crown width, stem diameter and tree species. In coniferous stands, up to 90% of the trees represented by stem volume have been correctly identified from canopy height models, and the tree height has been estimated with a root mean square error of around 0.6 m. It is significantly more difficult to identify suppressed trees than dominant trees. Spruce and pine have been discriminated on a single-tree level with 95% accuracy. The application of densely sampled laser scanner data to change detection, such as growth and cutting, has also been demonstrated.